我要投稿

智能体工具调度的新突破：8B小模型击败GPT-5

发布日期：2025-11-28 14:35:23 浏览次数： 1874

作者：AI工程化

微信搜一搜，关注“AI工程化”

香港大学与NVIDIA团队发现搭建智能体工作流的两个关键问题：仅靠提示词工程的工作流存在性能天花板，同时，静态路由策略还会导致资源浪费。

针对于此，他们通过其ToolOrchestra框架强化学习训练了一个8B参数的调度模型（Orchestrator-8B），在三个基准测试中表现突出：

HLE（人类最后一考）：37.1%准确率，超越GPT-5的35.1%
τ²-Bench：成本降低70%的情况下准确率更高
FRAMES：响应延迟降低40%

研究团队发现传统工作流存在两个典型缺陷：

自我增强偏见：过度调用自身简化版模型（如GPT-5-mini被调用占比达66%）
资源错配：78%的简单任务仍调用顶级模型

而ToolOrchestra的解决的核心在于端到端强化学习训练，方案上：

多目标强化学习同时优化结果质量、效率和用户偏好
支持长周期决策，能自主判断何时调用何种工具（包括本地搜索、代码解释器、专业大模型等）
内置成本控制机制，避免无脑调用最贵模型

团队还开源了完整训练数据集ToolScale，覆盖10个领域（金融、体育、电商等），包含4063个多轮工具调用任务。数据生成采用两步流程：先模拟真实环境（数据库schema和API），再生成多样化任务。包含10个领域的数千条多轮工具调用记录。

有开发者尝试部署后反馈，在电影票务系统等需要多步操作的场景中，响应速度比传统方案快2-3倍。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-12-16

阿里重磅开源 0.5B TTS + 0.8B ASR，支持跨语种音色克隆、说唱识别！

2025-12-15

智谱手机 Agent 开源一周，iOS 版就来了

2025-12-15

OpenEvals下一代AI模型评估标准

2025-12-15

AutoGLM：推倒那面墙

2025-12-15

狂揽162K Star！n8n 2.0强势来袭，这次改动有点狠。

2025-12-14

ollama v0.13.3 最新发布：新增模型与功能优化详细解读

2025-12-14

OpenAI突然开源新模型！99.9%的权重是0，新稀疏性方法代替MoE

2025-12-14

AutoGLM开源：手机AI Agent的“安卓时刻”来了

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

发现一个超神的Github开源OCR项目，国产多模态杀疯了

2025-10-27

MiniMax悄悄发布M2，8%价格打出Claude级性能

2025-10-27

如愿以偿！Qwen3-VL再开源30B-A3B，附实测！

2025-10-03

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

让白宫“破防”的阿里千问，我替你们测了...

2025-11-17

DeepSeek-V3.2-Exp开源，附论文细节解读！

2025-09-29

最强开源0.9B级OCR模型！PaddleOCR-VL本地一键部署，私密性拉满【喂饭级教程】

2025-11-07

大家都在问

我们为什么选择 Spring AI 开发智能体，而不是 Dify？

2025-11-12

开源安全审核模型终极PK：Qwen3Guard、OpenAI-SafeGuard、Llama4-Guard谁才是王者？

2025-11-10

DeepSeek-OCR到底厉害在哪？

2025-11-03

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

小红书入局AI智能体开源DeepAgent，在计划什么更新？

2025-10-28

埃森哲的大裁员，向市场发出了什么信号？

2025-10-13

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： [email protected]

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部